"Actividad 4 — Diseño de investigación"

Analítica del Aprendizaje en Espacios Abiertos
Pregunta 2: Diseño de Investigación

Introducción

En nuestra sociedad actual, conectada e interconectada con otras a través de la red, el intercambio de datos se ha convertido en un elemento eficaz en el estudio de cualquier tema que nos interese conocer o mejorar, siendo así también en el campo de la educación y el aprendizaje. Por ello Learning Analytics nos puede proporcionar el enfoque y la interpretación que necesitamos para mejorar en nuestro campo, ofertando cursos que puedan resultar más motivadores para un alumnado que necesita un apoyo y soporte que le ayude para no dejar los estudios sin finalizar.

Objetivos

-Medir las competencias más importantes que adquieren los alumnos

-Medir la evolución de cada competencia a lo largo del curso

-Conocer la causalidad que motiva los distintos comportamientos de los estudiantes a lo largo del curso.

Metodología

El curso tiene una estructura modular que se irá trabajando a lo largo del tiempo de manera que la realización de un módulo proporciona al estudiante las herramientas y conocimientos necesarios para realizar con aprovechamiento el siguiente módulo.

A lo largo del curso se utilizarán distintos manuales de consulta y páginas web relacionadas con cada módulo y con cada apartado específico.

Los estudiantes participaran en la plataforma por medio de chats, foros y videoconferencias online. Así mismo participarán con un blog, Twitter y una newsletter, donde presentarán sus tareas y proyectos.

Instrumentos de obtención de datos

Los datos necesarios para alcanzar los objetivos propuestos se recabarán a través de los instrumentos anteriormente indicados (Módulo 4. Datos de Métrica) para cada una de las plataformas, por ejemplo, Twitter Analytics o Google Analytics. 

Interpretación

El objetivo de este estudio es ser capaces de encontrar unas prácticas comunes en los estudiantes que nos lleven a diseñar unos patrones de comportamiento dentro del curso para así poder aplicar las estrategias más apropiadas para alcanzar nuestros objetivos.

Por medio del análisis de los datos recogidos podremos saber si dentro de aquellos estudiantes que alcanzan las competencias esperadas tienen en común rasgos personales, de trabajo, de participación o de formación previa. Podemos buscar lo mismo en aquellos estudiantes donde las competencias no se desarrollan de manera óptima y comprobar si existe algún factor que pueda indicar una causalidad a este respecto. Si es así, tendríamos una información veraz con la que poder trabajar para conseguir que todo o un gran número de alumnos desarrollen óptimamente las competencias necesarias para cada curso.

Anexo: Garantías éticas

Dentro de nuestro estudio se hace vital el respeto por la privacidad de los alumnos. Para ello, y en cumplimientos de las leyes vigentes al respecto, informaremos a los estudiantes sobre nuestro propósito de análisis de manera que obtengamos su consentimiento para llevarlo a cabo.

Módulo 4. Datos de Métrica

Analítica del Aprendizaje en Espacios Abiertos

Pregunta 1: Datos de Métrica

Platafoma / Canal	Datos / Indicadores
YouTube	-Número de seguidores -Género de seguidores -Rango de edad -Número de reproducciones -Número total de minutos vistos -Número total de suscriptores -Lugar desde donde acceden cada uno de ellos -Contabilización de los “me gusta” y “no me gusta” -Fuentes de tráfico
Blog / Google Analytics	-Visitas -Duración de las visitas -Tipo de usuarios -Páginas más vistas -Procedencia de las visitas -Tráfico generado -Ubicación del visitante -Tráfico por día de la semana -Dispositivo y navegador por el que se accede -Suscriptores -Nuevos suscriptores -Porcentaje de rebote
TinyLetter	-Número de suscriptores -Número de clics -Tasas de apertura -Número de clics en enlaces
Twitter (los datos se pueden analizar con Twitter Analytics)	-Número de impresiones -Número de seguidores -Evolución de los seguidores:     Intereses     Ubicación por país     Ubicación por ciudad     Género     Cuentas relevantes a las que están siguiendo -Número de tweets -Clics en URL -Influenciadores que enlazan el contenido -Hashtags comunes
Plataforma del Curso	-Número de visitas -Tasa de tráfico -Porcentaje de alumnado -Género -Días de la semana en los que se accede -Horarios con mayor tráfico -Dispositivos desde los que se accede -Tipo de interacción -Participación en foros -Entrega de actividades -Clics en documentos y recursos

Actividad 3 — Plan de análisis predictivo

[Analítica del Aprendizaje Conectado]

Preguntas:

-¿Cómo reducir las altas tasas de no finalización del alumnado matriculado en nuestros cursos?

-¿Qué información generada por los estudiantes deberíamos analizar para obtener respuestas que nos ayuden a alcanzar nuestros objetivos?

-¿Cómo utilizar la información obtenida para poder utilizarla eficazmente?

-¿Estamos utilizando los datos de forma segura, respetando la privacidad del alumnado?

Metas:

-Reducir la alta tasa de no finalización de nuestros cursos por parte del alumnado matriculado.

-Utilizar la analítica predictiva de forma que tanto el alumnado como nuestra empresa resulten beneficiados

-Ofrecer una formación personalizada de manera que cada alumno o alumna encuentre más atractivo y conveniente el curso en el que estén matriculados.

Indicadores de logro:

-Las tasas de no finalización de los cursos se reducen

-Los alumnos muestran más interés a lo largo del curso ya que se logan con frecuencia y participan activamente en los foros o en las actividades grupales como chats o webclases.

-Aumenta el número de estudiantes matriculados en nuestros cursos.

Actividad 3 — Captura de datos

-Una de las herramientas que usaremos para identificar a estudiantes en dificultad dentro del curso es el PLN (procesamiento de lenguaje natural). Con él podemos analizar los foros abierto para cada curso para saber qué les interesa a los alumnos y así poder ofrecerles material adaptado a sus preferencias de forma individualizada; también para saber qué dudas, problemas o inquietudes tienen con respecto a curso y así poder actuar de diferentes formas como enviándoles un correo personalizado.

-Momentos clave del curso que pueden proporcionarnos información para poder saber sobre los estudiantes en riesgo de abandono:

            participación en foros tras una clase, consultando dudas, este es un momento que aquellos que no se encuentren muy motivados hacia el curso no van a utilizar los medios puestos a su alcance.

            participación en las web clases o chats de forma sincrónica: la falta sistemática de participación en estas actividades puede ser un claro indicador de la falta de interés de determinados alumnos.

            que un alumno o alumna esté logado en una determinada actividad sincrónica no significa que esté participando, puede sentirse perdido o desmotivado, por lo que resultaría interesante conocer qué alumnos se encuentran en esta situación.

Si encontrásemos datos que nos muestran una desafección por parte de un determinado alumno o alumna podemos iniciar una intervención en forma de email personalizado mostrando nuestro interés en su situación y ofreciendo algún tipo de mediación para intentar solucionar la situación.

Si estos datos nos llevan a discernir un campo de interés en los alumnos podemos, así mismo, enviar mensajes o emails personalizados ofreciendo información adicional como bibliografía.

Actividad 3 — Metodología del servicio de datos

1-Enfoque del servicio:

Nuestro servicio está pensado para ser utilizado por cualquier centro educativo, de enseñanza o cualquier compañía que está interesada en analizar el comportamiento de los individuos que acceden a los servicios ofertados de manera que tras ese análisis se puedan implementar acciones que ayuden a la consecución de los objetivos. Es decir, este servicio ayudará a reconocer qué tipo de intervención ha de ser llevada a cabo para mejorar los resultados finales, por ejemplo, en una plataforma de cursos on-line con un mayor índice de finalización por parte del alumnado.

2-Objetivos:

Teniendo esto en cuenta y aplicando este método de análisis predictivo podremos llevar a cabo intervenciones más eficaces para contrarrestar los problemas que encontremos en nuestra empresa o nuestro alumnado, ofreciendo la posibilidad de un aprendizaje personalizado.

3-Líneas de acción:

Teniendo presente las trazas digitales dejadas por los estudiantes de cursos online, siguiendo un modelo de análisis predictivo, atajaremos posibles problemas o dificultades que dichos estudiantes puedan encontrarse en el desarrollo de los cursos, de modo que se les presente un producto adecuado y personalizado para que sean capaces, así, conseguir los objetivos deseados, tanto por ellos como por la propia empresa: la finalización de los cursos y, a consecuencia de ello, el aumento de las matrículas.

Siguiendo un enfoque metodológico escalar implica que nuestro sistema de análisis predictivo de datos podrá aplicarse no solo en plataformas como la nuestra propia, sino también en otro tipo de empresas o servicios que necesiten identificar problemas y aplicar una intervención positiva sobre ellos.

Usaremos el Análisis predictivo para:

(1) identificar los estudiantes que más necesitan servicios de asesoramiento en un curso,

(2) desarrollar material didáctico de aprendizaje adaptativo para personalizar el aprendizaje;

4-Anexo (caso práctico)

En nuestra plataforma de cursos online elegiremos uno de los cursos en los que queremos reducir el número de inscritos que no lo finalizan siguiendo un modelo de analítica predictiva que nos permita intervenir para lograr dicha meta.

Para ello tendremos en cuenta varios momentos del curso:

-presentación en el curso, donde recopilaremos información directa sobre estudios previos y preferencias, que más adelante utilizaremos para proporcionar información, herramientas y contenidos adicionales de forma individualizada y personalizada;

-participación en foros y chats: de aquí sacaremos dos tipos de información, si el alumno participa y si el alumno no participa. En el primer caso, mediante una herramienta como PLN (procesamiento de lenguaje natural), inferiremos intereses, opiniones y dificultades de dicho alumno, procediendo como en el caso anterior o, también, comunicándonos directamente con el alumno para conocer de primera mano qué dificultades está encontrando que le impiden participar (más) en el curso.

-entrega de tareas: si se efectúa o no correctamente y a tiempo. En caso negativo deberíamos intervenir como en los momentos anteriores, comunicándonos individualmente con el alumno, personalizando los contenidos.

Con el seguimiento del alumno a lo largo de la duración del curso pretendemos que éste sea finalizado con éxito.

Actividad 3 — Ética y privacidad

Desde el punto de vista de la utilización de datos de las personas que toman parte en un curso, deberíamos presta atención a varios puntos:

            -Desde la implantación de la Ley de Protección de Datos, debemos ser más conscientes y cuidadosos con lo que obtenemos de nuestras plataformas. (Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales.)

            -Un consentimiento informado ha de ser el primer paso para que nuestros alumnos o clientes conozcan nuestra intención de analizar los datos y trazas dejados por su paso por nuestra plataforma y que den su consentimiento para el uso de dichos datos.

            -Además, han de ser informados de cuál es dicho uso, con qué fin utilizaremos la información recogida con el análisis de dichos datos y, si hubiera más de uno, si acceden a todos ellos o solo a una parte de dichos usos.

La Analítica del Aprendizaje debe, pues, tener todo lo anterior en cuenta para poder desarrollarse plenamente y con eficacia en el futuro. A pesar de que el análisis del Big Data o de los algoritmos no debe considerarse como la solución para cualquier cuestión actual que pueda ser planteada, sí ofrece, realizándolo correctamente dentro de los ámbitos de la ética y la privacidad, una gran afluencia de posibilidades cuando se necesite enfrentarse a algún problema relacionado con la educación y el aprendizaje digital.